从一个关键词开始
搜名称,也可以搜场景,比如“AI 写作”“视频剪辑”或“编程助手”。
AI热点 199
ServerBench发布:智能体设计LLM服务系统AI热点arXiv论文提出ServerBench基准,评测编码智能体设计专用LLM服务系统的能力,Claude Sonnet 5.5表现领先。
PinyinBench发布:17个模型测汉字语音知识AI热点arXiv论文发布PinyinBench基准,评测17个文本与多模态大模型对汉字语音知识的掌握情况。
Fable 5.2登顶Remote Labor IndexAI热点Anthropic Fable 5.2 在 Remote Labor Index 基准上以 41.3% 排名第一,远超其他模型。
EnvOpt框架发布:智能体环境自动优化降本48%AI热点提出EnvOpt框架,通过自动优化智能体环境表示,在五项基准上平均降低48%成本且通过率持平或更高。
Gemini 4 Carbon登顶MathArena,成本约15倍AI热点Gemini 4 Carbon以85.4%登顶MathArena数学基准,超越GPT-6.1 Sol,但推理成本约为其15倍。
LEAP框架让通用LLM形式数学解题率达70%AI热点论文提出LEAP智能体框架与Lean-IMO-Bench基准,通用LLM一次形式化解题率从低于10%提升至70%,并解出2025 Putnam全部12题。
OpenAI发布网安模型GPT-6 CyberAI热点OpenAI发布网络安全专用模型GPT-6 Cyber,ExploitGym基准相对提升51%,并发现Firefox 81个新漏洞。
SecureGARD实现智能体0%注入攻击成功率AI热点SecureGARD提出动态本体引导治理框架,在三个基准上实现0%间接提示注入攻击成功率并提升任务效用。
MEMENTO长上下文智能体准确率升至67.8%AI热点MEMENTO基于Qwen3-8B训练上下文压缩管理,在书籍问答基准上将准确率从36.9%提升至67.8%,成本远低于GPT-5.5与GLM-5.3方案。
英伟达UT-Austin发布Realtime-BenchAI热点英伟达与UT-Austin等机构提出Realtime-Bench实时交互基准,测试12个前沿模型,最佳模型GPT-6-Astra任务成功率仅44%。
Kimi发布K3.1 Pro,降价对标Opus 5.5AI热点Kimi发布K3.1 Pro后训练模型,编程基准逼近Claude Opus 5.5,API价格下调约三分之一。
OpenAI更新Astra for Law并开放企业申请AI热点OpenAI发布更新版Astra for Law法律模型配置,在Harvey LAB-AA基准排名第一,并向所有ChatGPT Enterprise客户开放申请访问。
Turing Agent发布:形式化验证研究级数学AI热点Turing Agent实现研究级数学端到端形式化验证,在TCS基准取得57-62%与83%成绩,并完成三项未解决任务。
Artificial Analysis编程智能体指数升至v2.1AI热点Artificial Analysis发布Coding Agent Index v2.1,升级FrontierCode与Terminal-Bench基准,Claude Fable 5.2与Claude Opus 5.5并列58分领跑。
MIT与Meta提出ReHarness修订智能体记忆AI热点ReHarness用后续任务结果修订智能体旧笔记,减少过时经验误导,多基准测试显示增益并节省token。
Unsloth发布Qwen3.8-27B量化版AI热点Unsloth发布Qwen3.8-27B Dynamic V3.1 GGUF量化版本,智能体基准平均领先5–10%。
PhysMoE单令牌坐标定位提速8.31倍AI热点PhysMoE通过模态解耦与单令牌坐标表示,在9个定位基准上较基座提升15.7%,吞吐提速8.31倍。
英伟达提出Reshard加速RL权重重拟合AI热点英伟达提出Reshard Collective,通过DTensor重排替代gather-and-broadcast,在NeMo RL基准上实现2.7x至5.7x的权重重拟合提速。
RIVER多智能体检索酶反应登arXivAI热点arXiv论文提出RIVER多智能体框架,用于酶-反应双向检索,在公开基准上取得最高成功率。
La-JEPA提出紧凑机器人世界动作模型AI热点La-JEPA在V-JEPA 2.1特征空间从零训练策略Transformer,多项基准达到SOTA且参数更少,真机表现与pi0.5相当。